Polynomial Time Cryptanalytic Extraction of Deep Neural Networks in the Hard-Label Setting 
深度神经网络（DNN）是宝贵的资产，但他们的公共可及性引起了对恶意参与者参数提取的安全问题。 Carlini等人（Crypto'20）和Canales-Martínez的最新工作 ...
0 0 0 2025/08/28 arXiv:2410.05750v1 cella
FreRA: A Frequency-Refined Augmentation for Contrastive Learning on Time Series Classification 
对比学习已成为无监督的代表学习的一种有能力的方法。但是，对于对比度学习的至关重要，最佳的增强策略的设计对于时间序列分类任务的探索较少。现有的预定义时域增强方法主要是从视觉中采用的，并且不是时间序列数据的特定 ...
0 0 0 2025/08/28 arXiv:2505.23181v1 zzr123456
AvatarGO: Zero-shot 4D Human-Object Interaction Generation and Animation 
扩散模型的最新进展导致了4D全身人体相互作用（HOI）的产生和动画的显着改善。然而，现有方法主要集中于基于SMPL的运动产生，这受到现实的大规模交互数据的稀缺的限制。这种约束会影响他们创建日常HOI场景的能力 ...
0 0 0 2025/08/28 arXiv:2410.07164v1 陆三七
Zero-Shot Human-Object Interaction Synthesis with Multimodal Priors 
人类对象相互作用（HOI）合成对于从虚拟现实到机器人技术的各种应用很重要。但是，由于其复杂性和高成本，获取3D HOI数据是具有挑战性的，将现有方法限制在培训数据集中对象类型和相互作用模式的狭窄多样性。本文提出了一个新颖的零弹性HOI合成框架，而无需依赖于当前有限的3D HOI数据集的端到端培训 ...
0 0 0 2025/08/28 arXiv:2503.20118v1 陆三七
A Self-Supervised Mixture-of-Experts Framework for Multi-behavior Recommendation 
在电子商务中，用户面临各种可能的物品选择，推荐系统对于帮助他们发现可能忽略的合适物品至关重要。尽管许多推荐系统主要依赖用户的购买历史记录，但最近的多行为推荐系统包含了各种辅助用户行为，例如单击和购物车，以增强建议。尽管它们的整体性能提高，但它们的有效性在访问的项目之间差异很大（i ...
0 0 0 2025/08/28 arXiv:2508.19507v1 AirChange
A Quantitative Evaluation of Approximate Softmax Functions for Deep Neural Networks 
SoftMax函数是神经网络的输出层中广泛使用的激活函数，负责将原始分数转换为类概率，同时引入必需的非线性。由于硬件资源有限以及指数运算的计算复杂性，因此有效地实施SoftMax会对低端FPGA提出挑战。这项工作使用泰勒系列和使用查找表（LUTS）评估了软磁加速度的近似计算技术 ...
0 0 0 2025/08/28 arXiv:2501.13379v2 xubiao
Time-Series Contrastive Learning against False Negatives and Class Imbalance 
作为代表学习的一种典范的自我监督方法，时间序列的对比学习在当代研究中取得了显着的进步。尽管最近的对比学习策略集中在如何构建适当的积极因素和负面因素上，但在这项研究中，我们进行了理论分析，发现他们忽略了基本问题：基于Infonce损失框架中固有的虚假负面问题和阶级失衡。因此，我们引入了基于SIMCLR框架中的直接修改，该修改通常适用于从事实例歧视任务的模型 ...
0 0 0 2025/08/28 arXiv:2312.11939v2 1178945530
Fast or Better? Balancing Accuracy and Cost in Retrieval-Augmented Generation with Flexible User Control 
通过合并外部知识检索，发现了检索增强的生成（RAG）已成为一种强大的方法来减轻大型语言模型（LLM）幻觉。但是，现有的RAG框架通常不加区分地进行检索，从而在不必要的情况下导致退回效率低下或在需要进行复杂推理的需要时迭代地检索。最近的自适应检索策略虽然自适应地导航了这些检索策略，但仅根据查询复杂性进行预测，并且缺乏用户驱动的灵活性，从而使它们满足不同的用户应用程序需求 ...
0 0 0 2025/08/28 arXiv:2502.12145v2 ZhangChi

来一起翻译吧！


为了您和其他读者获得更好的阅读体验，请您勇敢地改进翻译，特别是一些显而易见的机器翻译错误。


虽然我们追求卓越，但我们并不要求翻译十全十美，因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译，您不必担心会因为您的失误导致无法挽回的破坏。（改编自维基百科）